本申請涉及圖像識別領(lǐng)域，尤其涉及一種養(yǎng)殖場雞只檢測方法、相應(yīng)的裝置、電子設(shè)備及計算機可讀存儲介質(zhì)。

背景技術(shù)：

1、在現(xiàn)代養(yǎng)殖場環(huán)境中，雞只的檢測通常面臨目標(biāo)尺寸小、背景復(fù)雜、遮擋頻繁等問題。盡管yolo系列算法在通用物體檢測領(lǐng)域取得了良好的效果，但由于其對小目標(biāo)的檢測能力有限，無法滿足在養(yǎng)殖場這一特定應(yīng)用場景下的高精度需求。此外，yolo系列算法傳統(tǒng)上依賴于nms（非極大值抑制）后處理步驟，增加了計算負(fù)擔(dān)，并影響了實時檢測的效率。

2、現(xiàn)有的目標(biāo)檢測算法，尤其是yolo系列，在此類場景下的檢測效果仍然有限，特別是在雞只的密集環(huán)境中，容易出現(xiàn)漏檢和誤檢現(xiàn)象，導(dǎo)致檢測精度下降，且目標(biāo)跟蹤不穩(wěn)定。

3、綜上所述，適應(yīng)現(xiàn)有技術(shù)中對于yolo系列算法在雞只的密集環(huán)境中，容易出現(xiàn)漏檢和誤檢現(xiàn)象，導(dǎo)致檢測精度下降，且目標(biāo)跟蹤不穩(wěn)定等問題，本申請人出于解決該問題的考慮作出相應(yīng)的探索。

技術(shù)實現(xiàn)思路

1、本申請的目的在于解決上述問題而提供一種養(yǎng)殖場雞只檢測方法、相應(yīng)的裝置、電子設(shè)備及計算機可讀存儲介質(zhì)。

2、為滿足本申請的各個目的，本申請采用如下技術(shù)方案：

3、適應(yīng)本申請的目的之一而提出的一種養(yǎng)殖場雞只檢測方法，包括：

4、響應(yīng)對養(yǎng)殖場進行雞只檢測的指令，獲取包含有多個雞只的待檢測養(yǎng)殖場圖像幀；

5、將第一雞只檢測模型的骨干網(wǎng)絡(luò)中的c2f模塊更新為c2f_conv3xc模塊，將頸部網(wǎng)絡(luò)中的路徑聚合網(wǎng)絡(luò)更新為多尺度自適應(yīng)特征金字塔網(wǎng)絡(luò)，在檢測頭網(wǎng)絡(luò)中采用雙分配方法，以構(gòu)建第二雞只檢測模型；

6、將所述待檢測養(yǎng)殖場圖像幀輸入至已訓(xùn)練至收斂狀態(tài)的第二雞只檢測模型，以確定所述雞只的數(shù)量，以完成養(yǎng)殖場雞只的檢測。

7、可選的，所述c2f_conv3xc模塊包括多個bottleneck_conv3xc子模塊，其中，每個bottleneck_conv3xc子模塊通過conv3xc卷積層進行特征提取和融合。

8、可選的，所述conv3xc卷積層包括第一1x1卷積層、一個3x3卷積層、第二1x1卷積層以及一個跳躍連接，其中，所述第一1x1卷積層用于通道數(shù)的壓縮；所述3x3卷積層用于空間特征提??；所述第二1x1卷積層用于通道數(shù)的擴展；所述跳躍連接用于將輸入特征與輸出特征相加。

9、可選的，所述多尺度自適應(yīng)特征金字塔網(wǎng)絡(luò)通過自適應(yīng)權(quán)重分配和跨尺度特征融合，以增強對多尺度特征的表達能力。

10、可選的，訓(xùn)練第二雞只檢測模型的步驟，包括：

11、將訓(xùn)練集輸入所述第二雞只檢測模型中進行前向傳播訓(xùn)練，采用反向傳播算法對所述第二雞只檢測模型進行更新優(yōu)化，其中，所述訓(xùn)練集表征包含有多個雞只的待檢測養(yǎng)殖場圖像幀；

12、通過交叉熵?fù)p失函數(shù)和sgd優(yōu)化器對第二雞只檢測模型進行多次迭代訓(xùn)練，直至所述第二雞只檢測模型達到收斂狀態(tài)，得到已訓(xùn)練至收斂狀態(tài)的第二雞只檢測模型。

13、可選的，獲取所述訓(xùn)練集的步驟，包括：

14、將從養(yǎng)殖場環(huán)境下的雞只視頻中通過視頻抽幀的方式獲得包含有多個雞只的待檢測養(yǎng)殖場圖像幀；

15、將抽幀得到的包含有多個雞只的待檢測養(yǎng)殖場圖像幀以構(gòu)建數(shù)據(jù)集，并對所述數(shù)據(jù)集進行標(biāo)注；

16、將所述數(shù)據(jù)集進行數(shù)據(jù)增強后按照6：2：2的比例分別劃分為訓(xùn)練集、驗證集和測試集，并將所述訓(xùn)練集輸入至所述第二雞只檢測模型進行訓(xùn)練，得到已訓(xùn)練至收斂狀態(tài)的第二雞只檢測模型。

17、可選的，所述第一雞只檢測模型的基礎(chǔ)網(wǎng)絡(luò)架構(gòu)為原始yolov10網(wǎng)絡(luò)模型，所述第二雞只檢測模型的基礎(chǔ)網(wǎng)絡(luò)架構(gòu)為改進的yolov10網(wǎng)絡(luò)模型。

18、適應(yīng)本申請的另一目的而提供的一種養(yǎng)殖場雞只檢測裝置，包括：

19、圖像幀獲取模塊，設(shè)置為響應(yīng)對養(yǎng)殖場進行雞只檢測的指令，獲取包含有多個雞只的待檢測養(yǎng)殖場圖像幀；

20、檢測模型構(gòu)建模塊，設(shè)置為將第一雞只檢測模型的骨干網(wǎng)絡(luò)中的c2f模塊更新為c2f_conv3xc模塊，將頸部網(wǎng)絡(luò)中的路徑聚合網(wǎng)絡(luò)更新為多尺度自適應(yīng)特征金字塔網(wǎng)絡(luò)，在檢測頭網(wǎng)絡(luò)中采用雙分配方法，以構(gòu)建第二雞只檢測模型；

21、雞只檢測模塊，設(shè)置為將所述待檢測養(yǎng)殖場圖像幀輸入至已訓(xùn)練至收斂狀態(tài)的第二雞只檢測模型，以確定所述雞只的數(shù)量，以完成養(yǎng)殖場雞只的檢測。

22、適應(yīng)本申請的另一目的而提供的一種電子設(shè)備，包括中央處理器和存儲器，所述中央處理器用于調(diào)用運行存儲于所述存儲器中的計算機程序以執(zhí)行本申請所述養(yǎng)殖場雞只檢測方法的步驟。

23、適應(yīng)本申請的另一目的而提供的一種計算機可讀存儲介質(zhì)，其以計算機可讀指令的形式存儲有依據(jù)所述養(yǎng)殖場雞只檢測方法所實現(xiàn)的計算機程序，該計算機程序被計算機調(diào)用運行時，執(zhí)行相應(yīng)的方法所包括的步驟。

24、相對于現(xiàn)有技術(shù)，本申請針對現(xiàn)有技術(shù)中對于yolo系列算法在雞只的密集環(huán)境中，容易出現(xiàn)漏檢和誤檢現(xiàn)象，導(dǎo)致檢測精度下降，且目標(biāo)跟蹤不穩(wěn)定等問題，本申請包括但不限于如下有益效果：

25、其一，本申請通過對第一雞只檢測模型的骨干網(wǎng)絡(luò)中的c2f模塊更新為c2f_conv3xc模塊，該模塊能夠更有效地處理復(fù)雜背景中的雞只特征，尤其是在養(yǎng)殖場這種環(huán)境中，雞只與背景的相似度較高。3x3卷積核的引入提升了對小目標(biāo)的識別能力，使得雞只的檢測精度更高，減少了漏檢的情況。

26、其二，將頸部網(wǎng)絡(luò)中的路徑聚合網(wǎng)絡(luò)（pan）更新為多尺度自適應(yīng)特征金字塔網(wǎng)絡(luò)，可以通過多尺度特征融合，有效應(yīng)對復(fù)雜背景和不同尺度下的雞只檢測。養(yǎng)殖場中的雞只通常有不同的尺寸和分布，傳統(tǒng)的單一尺度方法很難兼顧這些差異。多尺度自適應(yīng)特征金字塔網(wǎng)絡(luò)能夠更好地在不同尺度上捕捉雞只特征，從而提高檢測的準(zhǔn)確性和穩(wěn)定性。

27、其三，雙分配方法在檢測頭網(wǎng)絡(luò)中的應(yīng)用有助于改善目標(biāo)跟蹤穩(wěn)定性，尤其是在雞只之間存在遮擋或重疊的情況下。雙分配方法通過對每個檢測框分配多個預(yù)測結(jié)果，可以有效地處理目標(biāo)遮擋問題，減少因為目標(biāo)重疊而導(dǎo)致的誤檢和漏檢。它能讓模型更好地分辨相似目標(biāo)，確保即使在遮擋或群體中，雞只也能被正確識別。

28、其四，通過更新骨干網(wǎng)絡(luò)和檢測頭網(wǎng)絡(luò)，模型在檢測精度得到提升的同時，效率和推理速度也有可能得到優(yōu)化。新的網(wǎng)絡(luò)結(jié)構(gòu)通過多尺度的自適應(yīng)特征提取，減少了冗余計算，使得模型能夠快速處理每一幀圖像，從而實現(xiàn)實時檢測。這個特性在實際應(yīng)用中非常重要，尤其是在養(yǎng)殖場這種動態(tài)環(huán)境下，快速響應(yīng)檢測結(jié)果對于管理和決策至關(guān)重要。

29、綜上所述，本申請的養(yǎng)殖場雞只檢測方法，通過增強模型的特征提取能力、提高多尺度信息融合、改善遮擋處理，并優(yōu)化檢測穩(wěn)定性，不僅能夠顯著提高雞只檢測的精度，減少漏檢和誤檢，還能提高目標(biāo)跟蹤的穩(wěn)定性，尤其適用于復(fù)雜的養(yǎng)殖場環(huán)境。這些改進使得模型更加適用于實際應(yīng)用，提高了養(yǎng)殖管理的效率和準(zhǔn)確性。

技術(shù)特征：

1.一種養(yǎng)殖場雞只檢測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的養(yǎng)殖場雞只檢測方法，其特征在于，所述c2f_conv3xc模塊包括多個bottleneck_conv3xc子模塊，其中，每個bottleneck_conv3xc子模塊通過conv3xc卷積層進行特征提取和融合。

3.根據(jù)權(quán)利要求2所述的養(yǎng)殖場雞只檢測方法，其特征在于，所述conv3xc卷積層包括第一1x1卷積層、一個3x3卷積層、第二1x1卷積層以及一個跳躍連接，其中，所述第一1x1卷積層用于通道數(shù)的壓縮；所述3x3卷積層用于空間特征提??；所述第二1x1卷積層用于通道數(shù)的擴展；所述跳躍連接用于將輸入特征與輸出特征相加。

4.根據(jù)權(quán)利要求1所述的養(yǎng)殖場雞只檢測方法，其特征在于，所述多尺度自適應(yīng)特征金字塔網(wǎng)絡(luò)通過自適應(yīng)權(quán)重分配和跨尺度特征融合，以增強對多尺度特征的表達能力。

5.根據(jù)權(quán)利要求1所述的養(yǎng)殖場雞只檢測方法，其特征在于，訓(xùn)練第二雞只檢測模型的步驟，包括：

6.根據(jù)權(quán)利要求5所述的養(yǎng)殖場雞只檢測方法，其特征在于，獲取所述訓(xùn)練集的步驟，包括：

7.根據(jù)權(quán)利要求1至6所述的養(yǎng)殖場雞只檢測方法，其特征在于，所述第一雞只檢測模型的基礎(chǔ)網(wǎng)絡(luò)架構(gòu)為原始yolov10網(wǎng)絡(luò)模型，所述第二雞只檢測模型的基礎(chǔ)網(wǎng)絡(luò)架構(gòu)為改進的yolov10網(wǎng)絡(luò)模型。

8.一種養(yǎng)殖場雞只檢測裝置，其特征在于，包括：

9.一種電子設(shè)備，包括中央處理器和存儲器，其特征在于，所述中央處理器用于調(diào)用運行存儲于所述存儲器中的計算機程序以執(zhí)行如權(quán)利要求1至7中任意一項所述的方法的步驟。

10.一種計算機可讀存儲介質(zhì)，其特征在于，其以計算機可讀指令的形式存儲有依據(jù)權(quán)利要求1至7中任意一項所述的方法所實現(xiàn)的計算機程序，該計算機程序被計算機調(diào)用運行時，執(zhí)行相應(yīng)的方法所包括的步驟。

技術(shù)總結(jié)
本申請涉及一種養(yǎng)殖場雞只檢測方法、裝置、設(shè)備及介質(zhì)，所述方法包括：響應(yīng)對養(yǎng)殖場進行雞只檢測的指令，獲取包含有多個雞只的待檢測養(yǎng)殖場圖像幀；將第一雞只檢測模型的骨干網(wǎng)絡(luò)中的C2f模塊更新為C2f_Conv3XC模塊，將頸部網(wǎng)絡(luò)中的路徑聚合網(wǎng)絡(luò)更新為多尺度自適應(yīng)特征金字塔網(wǎng)絡(luò)，在檢測頭網(wǎng)絡(luò)中采用雙分配方法，以構(gòu)建第二雞只檢測模型；將所述待檢測養(yǎng)殖場圖像幀輸入至已訓(xùn)練至收斂狀態(tài)的第二雞只檢測模型，以確定所述雞只的數(shù)量，以完成養(yǎng)殖場雞只的檢測。本申請不僅能夠顯著提高雞只檢測的精度，減少漏檢和誤檢，還能提高目標(biāo)跟蹤的穩(wěn)定性。

技術(shù)研發(fā)人員：陳子鴻,漆海霞
受保護的技術(shù)使用者：華南農(nóng)業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15